Deep Learning (Sous-domaine du Machine Learning basé sur
les réseaux neuronaux profonds.
Mentionner son efficacité dans les données complexes.)
Régression fallacieuse
Relation statistique trompeuse entre séries non stationnaires.
Préciser qu’elle produit des résultats économiquement invalides.
Big Data
Ensemble massif de données complexes et rapides.
Préciser son importance dans l’intelligence artificielle.
Hyperplan
Frontière de séparation utilisée dans les modèles SVM.
Expliquer qu’il maximise la distance entre les classes.
Surapprentissage (Overfitting)
Situation où un modèle apprend excessivement les données d’entraînement.
Préciser qu’il réduit la capacité de généralisation.
Underfitting
Modèle trop simple incapable de capturer la structure des données.
Mentionner qu’il entraîne une faible performance prédictive.
13. Réseau de neurones
Architecture inspirée du cerveau humain utilisée en IA.
Expliquer qu’elle capte des relations non linéaires.
16. Classification binaire
Méthode consistant à prédire deux classes possibles.
Préciser qu’ici il s’agit de hausse ou baisse du Brent.
23. Corrélation
Mesure du lien linéaire entre deux variables.
Préciser qu’elle varie entre -1 et +1.
24. Multicolinéarité
Forte corrélation entre variables explicatives.
Mentionner qu’elle perturbe l’interprétation des modèles.
25. Marché efficient
Marché où les prix reflètent toute l’information disponible.
Préciser qu’il s’agit de l’hypothèse de Eugene Fama.
26. Produit dérivé
Instrument financier dépendant d’un actif sous-jacent.
Expliquer son utilisation dans la couverture des risques.
27. Futures
Contrat à terme standardisé échangé sur un marché organisé.
Préciser qu’il permet d’anticiper un prix futur.
29. Fonction d’activation
Fonction mathématique utilisée dans les réseaux neuronaux.
Expliquer qu’elle introduit la non-linéarité.
31. AUC
Surface sous la courbe ROC.
Mentionner qu’une valeur élevée indique un bon modèle.
Développement
1
/
2
100%
